基于組合模型的生物質(zhì)燃料價(jià)格預(yù)測(cè)研究

曹文凱 洪杰 袁也 姜沖 朱曉罡

摘? 要：我國(guó)生物質(zhì)能源儲(chǔ)量豐富，生物質(zhì)燃料發(fā)電前景廣闊，但國(guó)內(nèi)生物質(zhì)發(fā)電普遍存在虧損現(xiàn)象，燃料采購(gòu)成本居高不下，嚴(yán)重阻礙了生物質(zhì)發(fā)電的推廣。對(duì)生物質(zhì)燃料進(jìn)行價(jià)格預(yù)測(cè)分析，對(duì)保障生物質(zhì)燃料發(fā)電廠(chǎng)的利益、促進(jìn)生物質(zhì)燃料發(fā)電產(chǎn)業(yè)健康發(fā)展具有重要意義。文章利用江蘇某生物質(zhì)發(fā)電廠(chǎng)2018年5月至2020年4月共3年的生物質(zhì)燃料采購(gòu)數(shù)據(jù)，運(yùn)用滑動(dòng)平均、趨勢(shì)法、ARIMA模型等多種技術(shù)手段構(gòu)建生物質(zhì)燃料價(jià)格預(yù)測(cè)模型。運(yùn)用2020年5月至2021年4月數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn)，預(yù)測(cè)值相對(duì)誤差均在5%以下，預(yù)測(cè)誤差較小，較為接近真實(shí)值。文章采用組合預(yù)測(cè)模型的方法，能更好地發(fā)揮各單一模型的優(yōu)勢(shì)，使誤差最小化，提高預(yù)測(cè)正確率以及穩(wěn)定性。

關(guān)鍵詞：生物質(zhì)燃料;ARIMA;滑動(dòng)平均;發(fā)電;價(jià)格預(yù)測(cè)

中圖分類(lèi)號(hào)：TP181? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2021）16-0139-04

Research on Biomass Fuel Price Prediction Based on Combined Model

CAO Wenkai1， HONG Jie1， YUAN Ye1， JIANG Chong2， ZHU Xiaogang2

（1. Jiangsu New Energy Development Co.， Ltd.， NanJing? 210018， China; 2. Nanjing Trusted-Blockchain Computing Economics Institute， NanJing? 211899， China）

Abstract： China is rich in biomass energy reserves and has broad prospects for biomass fuel power generation. However， there are widespread losses in domestic biomass power generation， and the fuel procurement cost remains high， which seriously hinders the promotion of biomass power generation. The price prediction and analysis of biomass fuel is of great significance to protect the interests of biomass fuel power plants and promote the healthy development of biomass fuel power generation industry. Based on the biomass fuel purchase data of a biomass power plant in Jiangsu from May 2018 to April 2020， this paper constructs a biomass fuel price prediction model by using a variety of technical means such as moving average， trend method and ARIMA model. The data from May 2020 to April 2021 are used to test the model. The relative errors of the predicted values are less than 5%， and the prediction error is small， which is close to the real value. In this paper， the combination forecasting model is the best way to make the first mock exam more effective， minimize the error and improve the accuracy and stability of prediction.

Keywords： biomass fuel; ARIMA; moving average; electricity generation; price forecast

0? 引? 言

目前我國(guó)的能源需求量逐年增加，能源消耗量的增長(zhǎng)速度已經(jīng)遠(yuǎn)超其他發(fā)展中國(guó)家，能源消耗帶來(lái)的安全問(wèn)題和環(huán)境問(wèn)題變得日益嚴(yán)峻。為了保障國(guó)家能源安全，降低化石能源的依賴(lài)，改善生態(tài)環(huán)境，政府正在大力開(kāi)發(fā)和利用可再生能源。生物質(zhì)能源由于其可再生的特性，成為最具開(kāi)發(fā)潛力的可替代能源之一。生物質(zhì)能源的利用方式有很多，其中生物質(zhì)發(fā)電是目前開(kāi)發(fā)最廣泛的利用形式。生物質(zhì)發(fā)電是利用生物質(zhì)所具有的生物質(zhì)能進(jìn)行的發(fā)電項(xiàng)目，是以農(nóng)作物秸稈、農(nóng)林廢棄物等作為燃料進(jìn)行發(fā)電的產(chǎn)業(yè)。

我國(guó)的生物質(zhì)能源儲(chǔ)量豐富，其中農(nóng)作物秸稈、生物糞便、植物及環(huán)衛(wèi)垃圾等作為生物質(zhì)原料的主要來(lái)源。作物秸稈年產(chǎn)量約為6億噸，可作為能源使用的比例為2/3左右，林木總生物量約200億噸，年獲取量約9億噸，可作為能源利用的占比約為35%。

然而目前，國(guó)內(nèi)生物質(zhì)發(fā)電企業(yè)實(shí)際運(yùn)營(yíng)過(guò)程中缺普遍存在虧損現(xiàn)象，無(wú)法實(shí)現(xiàn)穩(wěn)定盈利，依靠國(guó)家補(bǔ)貼生存，嚴(yán)重阻礙了生物質(zhì)發(fā)電的推廣。

《關(guān)于促進(jìn)非水可再生能源發(fā)電健康發(fā)展的若干意見(jiàn)》有關(guān)事項(xiàng)的補(bǔ)充通知發(fā)布，明確了生物質(zhì)發(fā)電項(xiàng)目運(yùn)行滿(mǎn)15年或全生命周期合理利用小時(shí)數(shù)滿(mǎn)82 500小時(shí)，將不再享受?chē)?guó)家補(bǔ)貼。國(guó)家補(bǔ)貼的逐步退出，將給生物質(zhì)發(fā)電行業(yè)的商業(yè)模式帶來(lái)一定程度的沖擊，其中，農(nóng)林生物質(zhì)發(fā)電行業(yè)面臨的挑戰(zhàn)最大。

針對(duì)生物質(zhì)發(fā)電出現(xiàn)的虧損現(xiàn)象，國(guó)內(nèi)玩學(xué)者在成本控制方面做了很多的研究。田宜水在文獻(xiàn)[1]中采用問(wèn)答的形式，系統(tǒng)地介紹了生物質(zhì)發(fā)電技術(shù)的基本原理，資源調(diào)查，運(yùn)行管理等內(nèi)容，并在文獻(xiàn)中指出，生物質(zhì)燃料的物流成本一般占發(fā)電廠(chǎng)燃料總成本的50%～70%。傅友紅等人在文獻(xiàn)[2]中提出成本與規(guī)模之間的關(guān)系，提出為了因地制宜發(fā)展生物質(zhì)發(fā)電，規(guī)模應(yīng)不大于20 MW。張艷麗等人[3]分析了我國(guó)秸稈收儲(chǔ)運(yùn)過(guò)程中的運(yùn)營(yíng)模式及存在的問(wèn)題，提出加大研發(fā)、控制規(guī)模、合理布局的建議。劉華財(cái)?shù)热薣4]計(jì)算了生物質(zhì)原料的子過(guò)程成本，分析了五種不同模式下的供應(yīng)成本變化趨勢(shì)。王愛(ài)軍等人[5]為了對(duì)生物質(zhì)發(fā)電成本進(jìn)行分析，分別對(duì)生物質(zhì)主要的發(fā)電方式進(jìn)行了討論，并建立了生物質(zhì)燃料消耗量模型和燃料成本模型。楊樹(shù)華等[6]通過(guò)對(duì)生物質(zhì)顆粒成型燃料生產(chǎn)廠(chǎng)合理布局的科學(xué)分析，提出了秸稈收集的經(jīng)濟(jì)半徑、平均運(yùn)輸半徑及滿(mǎn)載和空載等效模型，推出了綜合反映顆粒燃料生產(chǎn)廠(chǎng)投資、運(yùn)輸條件、耗油價(jià)格關(guān)系的顆粒燃料生產(chǎn)廠(chǎng)原料收集最佳半徑的數(shù)學(xué)模型。吳金卓、許文秀等人[7，8]分析了秸稈生物質(zhì)燃料成本構(gòu)成，構(gòu)建以生物質(zhì)燃料供應(yīng)成本最小化為目標(biāo)的生物質(zhì)燃料到廠(chǎng)成本優(yōu)化模型。Kumar等人[9]建立了模型求解不同生物質(zhì)原料所對(duì)應(yīng)的發(fā)電容量和發(fā)電成本。Shabani等人[10]利用非線(xiàn)性規(guī)劃模型優(yōu)化生物質(zhì)電廠(chǎng)的運(yùn)行成本。

本文在上述研究的基礎(chǔ)上，以降低生物質(zhì)燃料收購(gòu)成本為目標(biāo)，結(jié)合某生物質(zhì)發(fā)電廠(chǎng)供應(yīng)商和燃料收購(gòu)數(shù)據(jù)，構(gòu)建了生物質(zhì)燃料收購(gòu)價(jià)格預(yù)測(cè)模型和經(jīng)紀(jì)人供貨水平評(píng)價(jià)模型。以改進(jìn)生物質(zhì)發(fā)電廠(chǎng)在燃料采購(gòu)階段的價(jià)格管理和人員管理問(wèn)題。

1? 研究方法和數(shù)據(jù)來(lái)源

1.1? 滑動(dòng)平均模型

滑動(dòng)平均，又稱(chēng)為移動(dòng)平均，在簡(jiǎn)單平均數(shù)法的基礎(chǔ)上，通過(guò)順序逐期增減新舊數(shù)據(jù)求算移動(dòng)平均值，以此消除數(shù)據(jù)中偶然變動(dòng)因素，找出事物發(fā)展趨勢(shì)，并依次進(jìn)行預(yù)測(cè)。

變量v在t時(shí)刻記為vt，θt表示v在t時(shí)刻的取值，即在不使用滑動(dòng)平均時(shí)，vt=θt，在使用滑動(dòng)平均模型后，vt的更新公式如以下所示：

vt=β·vt-1+（1-β）·θt

其中β∈[0，1）時(shí)，β=0時(shí)，相當(dāng)于沒(méi)有使用滑動(dòng)平均。

1.2? ARIMA模型

ARIMA模型的全稱(chēng)叫作自回歸移動(dòng)平均模型，記作ARIMA（p，d，q），常用來(lái)定量描述時(shí)間序列中參數(shù)間的相互關(guān)系以及存在的未來(lái)趨勢(shì)。ARIMA模型是統(tǒng)計(jì)模型中最常見(jiàn)的一種用來(lái)進(jìn)行時(shí)間序列預(yù)測(cè)的模型，由AR模型與MA模型共同組成。ARIMA（p，d，q）中，AR表示自回歸模型，p表示預(yù)測(cè)模型中采用的時(shí)序數(shù)據(jù)本身的滯后數(shù)，MA表示滑動(dòng)平均模型，q表示預(yù)測(cè)模型中采用的預(yù)測(cè)誤差的滯后數(shù)，d表示使模型成為平穩(wěn)序列所做的差分次數(shù)，也叫作Integrated項(xiàng)。ARIMA模型的原理是通過(guò)數(shù)學(xué)模型最大限度地描述預(yù)測(cè)對(duì)象發(fā)展而成的關(guān)于時(shí)間的數(shù)據(jù)序列。

模型經(jīng)過(guò)d次差分處理后，特征序列xt可以生成平穩(wěn)序列?xt，則ARIMA（p，d，q）模型的數(shù)學(xué)表達(dá)式可以寫(xiě)成如下形式：

其中，c表示常數(shù)，Φi表示自回歸系數(shù)，θi表示移動(dòng)平均回歸系數(shù)，εt表示白噪聲序列。建立ARMIA模型分為6個(gè)步驟，即判斷序列是否為平穩(wěn)序列、對(duì)非平穩(wěn)序列進(jìn)行處理、模型參數(shù)確定、參數(shù)估計(jì)、模型檢驗(yàn)和模型預(yù)測(cè)。

1.3? 數(shù)據(jù)來(lái)源

本文所用數(shù)據(jù)來(lái)源于江蘇某生物質(zhì)發(fā)電廠(chǎng)實(shí)際經(jīng)營(yíng)生產(chǎn)數(shù)據(jù)。從52種生物質(zhì)燃料中，選取16種進(jìn)行數(shù)據(jù)分析，選取時(shí)間為2018年5月至2021年4月的各生物質(zhì)燃料的價(jià)格序列，共1 095天的價(jià)格數(shù)據(jù)。其中2018年5月至2020年4月為訓(xùn)練數(shù)據(jù)，利用2020年5月至2021年4月作為測(cè)試數(shù)據(jù)。

2? 燃料收購(gòu)價(jià)格預(yù)測(cè)模型構(gòu)建

根據(jù)生物質(zhì)燃料歷史價(jià)格以及當(dāng)前市場(chǎng)行情等，預(yù)測(cè)未來(lái)生物質(zhì)燃料價(jià)格。本文綜合利用ARIMA模型、滑動(dòng)平均、趨勢(shì)法構(gòu)建組合模型，預(yù)測(cè)未來(lái)月燃料價(jià)格：

x=β1xt+β2xm+β0

x——預(yù)測(cè)燃料價(jià)格。

xt-i——?dú)v史燃料價(jià)格。

αm——年增長(zhǎng)趨勢(shì)，根據(jù)月份不同取值不同。

xmyear-1——上一年年滑動(dòng)平均燃料價(jià)格，計(jì)算公式為：

價(jià)格置信區(qū)間的構(gòu)建，取預(yù)測(cè)月上一年該月的所有數(shù)據(jù)，計(jì)算標(biāo)準(zhǔn)差std，樣本數(shù)量n。其中標(biāo)準(zhǔn)差計(jì)算公式為：

xm表示第m月該燃料價(jià)格。

則該月該燃料價(jià)格95%置信區(qū)間可計(jì)算：

如匹配月份數(shù)據(jù)空，則不計(jì)算。

3? 燃料收購(gòu)價(jià)格預(yù)測(cè)分析

本文利用江蘇某生物質(zhì)發(fā)電廠(chǎng)2018年5月至2020年4月的生物質(zhì)燃料的實(shí)際經(jīng)營(yíng)生產(chǎn)數(shù)據(jù)作為數(shù)據(jù)集，選取2020年5月至2021年4月的實(shí)際值和預(yù)測(cè)值作為比較。此外，本文選取在時(shí)間序列預(yù)測(cè)中常用的絕對(duì)誤差百分比來(lái)衡量模型預(yù)測(cè)結(jié)果的優(yōu)劣程度，絕對(duì)誤差百分比的計(jì)算公式如以下所示：

絕對(duì)誤差百分比=|（預(yù)測(cè)價(jià)格-實(shí)際價(jià)格）/實(shí)際價(jià)格|×100%

經(jīng)過(guò)訓(xùn)練，得到模型的矩陣參數(shù)為：

ARIMA（p，d，q）的模型參數(shù)確定為p=4、d=0、q=0;對(duì)ARIMA（4，0，0）模型進(jìn)行參數(shù)估計(jì)，得到矩陣參數(shù)值如表1所示。

模型增長(zhǎng)趨勢(shì)參數(shù)矩陣見(jiàn)表2，其中αm為參數(shù)每個(gè)月取值：

組合參數(shù)矩陣β0，β1，β2取值如表3。

則模型為：

x=0.741 968 531xt+0.315 052 443xm-13.307 397 83

應(yīng)用構(gòu)建的模型對(duì)2018年5月至2020年4月期間燃料價(jià)格進(jìn)行擬合，紅色線(xiàn)為實(shí)際的成交價(jià)格，藍(lán)色線(xiàn)為預(yù)測(cè)價(jià)格，計(jì)算可知平均絕對(duì)誤差為6.125，平均絕對(duì)誤差百分比為2%。模型的預(yù)測(cè)值和實(shí)際值的擬合度高，并且擬合曲線(xiàn)起伏變化小，擬合的結(jié)果十分理想。

應(yīng)用模型對(duì)2020年5月至2021年4月的生物質(zhì)燃料價(jià)格進(jìn)行擬合與預(yù)測(cè)，其結(jié)果如表4所示。

對(duì)未來(lái)生物質(zhì)燃料價(jià)格進(jìn)行擬合，擬合值、絕對(duì)誤差、絕對(duì)誤差百分比見(jiàn)上表。2020年5月至2021年4月共12期的價(jià)格進(jìn)行預(yù)測(cè)，預(yù)測(cè)值相對(duì)誤差均在5%以下，預(yù)測(cè)誤差較小，較為接近真實(shí)值。

4? 結(jié)? 論

本文首先選取2018年5月1日至2020年4月30日生物質(zhì)燃料價(jià)格序列數(shù)據(jù)，綜合運(yùn)用滑動(dòng)平均、趨勢(shì)法、ARIMA模型等多種技術(shù)手段，建立了生物質(zhì)燃料價(jià)格預(yù)測(cè)組合模型，模型為：x=0.741 968 531，xt+0.315 052 443，xm-13.307 397 83，并對(duì)2020年5月至2021年4月的生物質(zhì)燃料價(jià)格進(jìn)行預(yù)測(cè)，預(yù)測(cè)的價(jià)格走勢(shì)符合生物質(zhì)燃料的市場(chǎng)周期波動(dòng)特點(diǎn)。

從價(jià)格預(yù)測(cè)的結(jié)果來(lái)看，2020年5月—10月，生物質(zhì)燃料價(jià)格持續(xù)處于低位，這是因?yàn)榇似陂g，處于農(nóng)忙季節(jié)，市場(chǎng)稻秸稈、麥秸稈存量較大，引起價(jià)格走低。對(duì)于生物質(zhì)燃料發(fā)電廠(chǎng)來(lái)說(shuō)，生物質(zhì)燃料價(jià)格走低是利好消息，可以充分利用價(jià)格低位，大量收購(gòu)，增加庫(kù)存。對(duì)于市場(chǎng)來(lái)說(shuō)，發(fā)電廠(chǎng)大量收購(gòu)生物質(zhì)燃料，可以有效降低麥秸稈、稻秸稈燃燒帶來(lái)的環(huán)境污染，降低火災(zāi)風(fēng)險(xiǎn)。

參考文獻(xiàn)：

[1] 田宜水.生物質(zhì)發(fā)電 [M].北京：化學(xué)工業(yè)出版社，2010.

[2] 傅友紅，樊峰鳴，傅玉清.我國(guó)秸稈發(fā)電的影響因素及對(duì)策 [J].沈陽(yáng)工程學(xué)院學(xué)報(bào)（自然科學(xué)版），2007，3（3）：206-210.

[3] 張艷麗，王飛，趙立欣，等.我國(guó)秸稈收儲(chǔ)運(yùn)系統(tǒng)的運(yùn)營(yíng)模式、存在問(wèn)題及發(fā)展對(duì)策 [J].可再生能源，2009，27（1）：1-5.

[4] 劉華財(cái)，陰秀麗，吳創(chuàng)之.秸稈供應(yīng)成本分析研究 [J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42（1）：106-112.

[5] 王愛(ài)軍，張燕，張小桃.生物質(zhì)發(fā)電燃料成本分析 [J].農(nóng)業(yè)工程學(xué)報(bào)，2011，27（s1）：17-20.

[6] 楊樹(shù)華，雷廷宙，何曉峰，等.生物質(zhì)致密冷成型原料最佳收集半徑的研究[C]//中國(guó)農(nóng)村能源行業(yè)協(xié)會(huì)第四屆全國(guó)會(huì)員代表大會(huì)新農(nóng)村、新能源、新產(chǎn)業(yè)論壇生物質(zhì)開(kāi)發(fā)與利用青年學(xué)術(shù)研討會(huì).中國(guó)農(nóng)村能源行業(yè)協(xié)會(huì)第四屆全國(guó)會(huì)員代表大會(huì)新農(nóng)村、新能源、新產(chǎn)業(yè)論壇生物質(zhì)開(kāi)發(fā)與利用青年學(xué)術(shù)研討會(huì)論文集.中國(guó)北京：《農(nóng)業(yè)工程學(xué)報(bào)》編輯部，2006：140-142.

[7] 吳金卓，林文樹(shù)，王立海.秸稈發(fā)電企業(yè)燃料供應(yīng)成本優(yōu)化模型及應(yīng)用 [J].物流技術(shù)，2015，34（3）：257-261.

[8] 許文秀，吳金卓，張珊珊.秸稈發(fā)電企業(yè)燃料運(yùn)輸成本核算及優(yōu)化分析 [J].交通科技與經(jīng)濟(jì)，2019，21（1）：70-74.

[9] KUMAR A，CAMERON J B，F(xiàn)LYNN P C. Biomass power cost and optimum plant size in western Canada [J].Biomass and Bioenergy，2003，24（6）：445-464.

[10] SHABANI N，SOWLATI T. A mixed integer non-linear programming model for tactical value chain optimization of a wood biomass power plant [J].Applied Energy，2013，104：353-361.

作者簡(jiǎn)介：曹文凱（1990—），男，漢族，江蘇無(wú)錫人，中級(jí)工程師，博士研究生，研究方向：新能源、能源管理;通訊作者：姜沖（1992—），男，漢族，江蘇淮安人，研究員，碩士研究生，研究方向：信息安全、人工智能、智能預(yù)測(cè)。